基于哈里斯鹰算法改进的脉冲耦合神经网络图像自动分割方法

简介：
本研究提出了一种结合哈里斯鹰优化算法与脉冲耦合神经网络的创新图像自动分割技术，显著提升了图像处理精度和效率。 为了简化脉冲耦合神经网络（PCNN）参数设置的复杂性，本段落提出了一种基于哈里斯鹰优化算法（HHO）来搜索PCNN参数以实现图像自动分割的方法。一方面，在保持或提高分割效果的同时减少了需要调整的PCNN参数数量；另一方面，由于HHO具有快速收敛和强大的全局寻优能力，能够高效准确地找到适合于PCNN的最佳参数配置。通过引入图像熵作为适应度函数，并利用脑部MRI图像进行实验验证，我们比较了结合不同搜索机制优化算法（包括HHO）与PCNN的分割性能指标如精度、召回率及Dice相似系数等。仿真实验结果表明，所提出的方法不仅具有较高的分割精确性和鲁棒性，在工程应用中也展现出良好的实用价值。